Pytorch机器学习（二）——利用torchvision.datasets分析，处理，可视化VOC数据集

目录

前言

一、VOC数据集

二、读取VOC数据集

输出结果

---

---

前言

在机器学习中，肯定要用到各种各样的数据集，记录一下自己可视化Pascal VOC数据集的方法，参考资料为pytorch官方实现的方法

Pytorch实现VOC数据集读取

---

一、VOC数据集

可以从这个链接去下载VOC的数据集：Pascal VOC 官网

一般从网上下载下来的VOC数据集的格式如下

1.其中Annotations中为记录图像和标签信息的xml文件，简单看一下xml文件中的内容。

 可以看到xml文件中包含了图像的长宽信息，里面标注物体的类别，boundingbox的左上角和右下角坐标等等。我们等会使用的函数会自动帮助我们处理xml中的这些树形结构

2.ImageSets中主要包含的是划分的训练集和测试集中图片的名称

3.JPEGImages中就是数据集的原始图片

4.labels中就是对应图片中的boundingbox和其类别

二、读取VOC数据集

这里我们主要使用的是pytorch官方读取VOC格式提供的代码

主要使用datasets库里的VOCDetection方法。

参数	含义
root	VOC数据集的路径
year	哪年的VOC数据集
image_set	此数据为训练集还是测试集
download	是否要从网上下载
transform	图像的变化
target_transfrom	标签的变化

利用这个函数我们就可以对此数据集进行读取了，而其返回值，是一个可枚举类型，我们枚举其，得到我们需要的数据。

import numpy as np
import torchvision.datasets as datasets
import cv2 as cv

# 画框标注函数
def draw_box(image, boxes, classes, scores, line_thickness=3):
    cv.rectangle(image, (int(boxes['xmin']), int(boxes['ymin'])), (int(boxes['xmax']), int(boxes['ymax'])),
                 (255, 0, 0), line_thickness)
    cv.putText(image, classes, (int(boxes['xmin']), int(boxes['ymin'])), cv.FONT_HERSHEY_COMPLEX,
               0.5, (255, 0, 0), 2)


def main():
    data_path = "./data"        # 数据集路径
    voc_train = datasets.VOCDetection(data_path, year="2007", image_set="train")
    
    for index, target in enumerate(voc_train):
        image, label = target[0], target[1]
        object = label['annotation']['object']
        image = cv.cvtColor(np.array(image), cv.COLOR_RGB2BGR)       # 转成向量，可以显示,opencv默认位BGR
    
        for index in range(len(object)):
            class_name, bndbox = object[index]['name'], object[index]['bndbox']
            draw_box(image, bndbox, class_name, 1)
    
        cv.imshow('image', image)
        cv.waitKey()
        
if __name__ == "__main__":
    main()

---

输出结果